外观
17 - 数据库更新了,缓存为什么还是旧值:缓存一致性方案推导
摘要
数据库已经提交新值,读取请求却仍从缓存拿到旧值,原因在于数据库更新、缓存失效和并发读取并不是一个整体操作。本文先建立旁路缓存的读写模型,再用执行时序解释两种写入顺序的风险,以及延迟双删、CDC 和强一致方案的适用边界。
1. 场景:旧值被重新写回缓存
以商品数据为例:数据库保存权威数据,缓存保存可重建的副本。应用分别访问两者,这种模式称为 Cache Aside(旁路缓存)。它的基本读取路径是:
- 先查缓存,找到数据就直接返回,这称为缓存命中。
- 缓存中没有数据时,查询数据库,这称为回源。
- 把查询结果写入缓存,供后续请求使用,这称为回填。
更新商品时,应用通常修改数据库,再删除对应缓存条目。删除条目称为缓存失效,目的是让后续请求重新加载数据。这里关注的一致性,就是读取缓存副本时,它是否符合业务对数据库最新状态的要求。
问题在于,写请求和读请求可能交错执行。假设数据库和缓存最初都保存旧值:线程 A 删除缓存后准备更新数据库;线程 B 此时未命中缓存,读到数据库旧值并回填;A 随后提交新值。数据库已经变新,缓存却仍是旧值。
旧值可能一直留到条目过期、被淘汰或再次失效。若没有这些机制,它就可能长期存在。可见,“删除过缓存”并不意味着缓存中不会再出现旧值,还要考虑删除之后谁会回填、回填的是什么数据。
2. 两种常见顺序
下面按同一个商品的缓存条目推导。先假设缓存操作成功,数据库查询能看到查询时已提交的数据;读取副本或使用较早的事务快照时,还要额外考虑复制延迟和事务可见性。
2.1 先删缓存,再更新数据库
先删除缓存会立即制造一次未命中,但数据库此时还没有新值。并发读请求可以利用这个窗口读到旧值,随后把它写回缓存:
图表将在阅读到此处时加载…
图中 B 在 A 提交之后回填;即使 B 在提交之前就完成回填,A 后续只更新数据库、不再删除缓存,也会留下旧副本。风险来自删除缓存和数据库提交之间允许读请求加载旧数据。
2.2 先更新数据库,再删缓存
这是 Cache Aside 的常见选择。先提交数据库,再删除缓存,可以避免主动在提交前制造未命中。删除成功后,新开始的未命中查询若能读取数据库最新状态,就会回填新值。
但它仍有两类故障窗口:
- 失效没有完成。 数据库提交后进程崩溃,或缓存删除失败,已经存在的旧缓存仍可能被读取。提交到删除之间,也允许读请求命中旧值。
- 较早开始的读请求晚回填。 B 先遇到缓存未命中并读到数据库旧值,随后暂停;A 提交新值并删除缓存;B 最后才回填旧值。A 的删除已经完成,无法清除未来才写入的条目。
因此,这个顺序避开了第一种顺序中的典型竞态窗口,却没有消除所有竞态。竞态指结果受并发操作执行顺序影响;这里决定结果的,不只是数据库提交和缓存删除的顺序,还包括读请求何时查询、何时回填。
数据库事务只能约束它所管理的操作,普通缓存删除不会自动加入同一个事务。因此,这两个资源的操作不具备“要么一起完成、要么一起不发生”的原子性。
3. 正确基本写法
基本要求是:先确认数据库事务成功提交,再触发缓存失效。下面是 Java 结构片段,需要所在类提供 Product、repository、cache,并配置支持 @Transactional 的事务框架:
java
@Transactional
public void updateProduct(Product product) {
repository.update(product);
// 不能在事务真正提交前就假定数据库已对其他会话可见。
}
public void afterCommit(String id) {
cache.delete("product:" + id);
}afterCommit 只是方法名,不会自动成为事务回调。调用方必须把它接入事务框架的提交成功回调,并传入已更新商品的 ID。预期行为是:事务成功提交后删除 product: 加商品 ID 对应的缓存;事务回滚时不执行这次提交后的失效。updateProduct 的方法体执行完毕,也不能单凭这一点判断外围事务已经提交。
事务提交回调解决的是执行时机,不能保证进程崩溃后失效动作仍会执行。若需要持久化待处理任务,可使用 Outbox(事务发件箱):在更新业务数据的同一个数据库事务中记录失效事件,再由异步任务处理。这样业务更新与事件记录一起提交,但缓存失效仍有异步延迟。
删除失败要进入重试并受到监控,不能仅打印日志后丢弃任务。还应明确重试耗尽、任务积压时如何告警和恢复。补偿机制帮助修复未完成的失效,并不让提交后的陈旧窗口消失。
4. 延迟双删的边界
延迟双删是:写前先删除缓存,数据库更新提交后等待一段时间,再删除一次。第一次删除让读取回源;第二次删除试图清除这段时间内并发读请求回填的旧值。
要清除某次旧值回填,第二次删除必须发生在该回填之后。等待多久因此依赖查询耗时、事务时长、线程调度,以及从读到旧值到完成回填之间的停顿。固定延迟无法保证覆盖所有情况:如果读请求暂停得更久,仍可能在第二次删除之后回填旧值;进程在第二次删除前崩溃,也会使这次清理无法执行。
它可以作为降低竞态概率的工程措施,配合可靠调度、重试和监控使用,但不能宣称强一致,也不存在适用于所有系统的固定等待时间。
5. CDC 驱动失效
**CDC(Change Data Capture,变更数据捕获)**通过数据库的变更日志获取数据修改。Binlog 是 MySQL 的二进制日志;其他数据库需要使用相应的日志或变更捕获机制。缓存失效链路可以表示为:
text
DB Commit → Change Log → CDC Consumer → Cache Invalidate消费者处理已提交的变更事件,再删除或更新缓存。它以数据库提交为事实源,把失效触发从应用的即时调用转移到变更事件处理链路,但提交到消费完成之间仍有延迟。
需要处理事件重复、乱序、消费停滞和缓存操作失败。事件应携带主键,用于定位缓存条目;涉及按事件更新缓存或判断新旧时,还应携带可比较的版本。版本需要能够表达同一数据的先后关系,不能仅凭不同机器上的时间戳就假定顺序可靠。
消费者应保持幂等,即重复处理同一事件不会改变预期的最终结果。删除同一个条目可以重复执行,但仍要处理并发回填。若直接用事件内容更新缓存,则需要按版本防止旧事件覆盖新值;仅有主键或仅实现重复事件去重,都不足以解决乱序覆盖。
CDC 帮助建立可追踪、可重试的失效链路,不等于读取立即看到新值。是否能最终收敛,还取决于事件是否持续得到处理,以及并发回填如何受到约束。
6. 强一致怎么办
先把业务要求说清楚:允许短暂读旧值、同一个用户写后必须读到自己的结果、所有读取都必须看到已完成的最新写入,是不同承诺。
若余额或权限读取必须立即反映最新状态,不应把普通旁路缓存当作唯一权威。可以直接读主存储,或使用具备所需一致读语义的系统;但直接读数据库也要确认读取节点和事务视图,读副本或旧快照仍可能返回旧值。
在写后会话中绕过缓存,可以帮助实现“读到自己的写入”,前提是读请求访问能看到该提交的存储。这只约束相应会话,不能据此保证其他用户或实例的所有读取都强一致。
若使用版本化一致读,读取方需要明确所要求的最低版本,缓存或存储则需要检查版本并在不足时等待、回源或拒绝返回旧值。仅给缓存值附加版本字段,不会自动获得一致读保证。
更强保证通常需要更多协调或等待,因而可能增加延迟;故障时也可能需要拒绝请求,以避免返回不满足一致性要求的数据,从而降低可用性。方案应从业务承诺出发选择,而不是只调整删除顺序。
7. 容易踩的坑
- 事务未提交就删除缓存。 并发读可能回填旧值;失效动作应接在成功提交之后。
- 删除失败无重试、无告警。 数据库更新成功并不代表缓存失效成功,应分别观察两条链路。
- 直接更新缓存却不处理并发写顺序。 较早的更新可能较晚到达缓存,覆盖较新的值。
- CDC 用旧事件覆盖新值。 重复和乱序是不同问题,幂等处理之外还要有版本顺序约束。
- 把短 TTL 当成一致性保证。 TTL(Time To Live,生存时间)限制条目的存活时间,但旧值可能被再次回填。陈旧程度还取决于读取来源、回填时机和失效机制,不能简单等同于一个 TTL。
8. 总结
缓存与数据库是两个独立资源,一致性设计必须同时考虑提交、失效、并发回填和失败恢复。
- Cache Aside 通常先提交数据库再删除缓存,但仍需处理删除失败和晚到的旧值回填。
- 延迟双删与 CDC 各有作用边界,都不能单独承诺读取立即看到最新状态。
- 强一致要求应落实到权威存储、读取语义和必要的版本约束;先定义业务承诺,再选择缓存方案。
下一篇:缓存穿透、击穿、雪崩不是一回事。